目前针对电梯(直梯)用户行为识别的研究大多数是基于电梯内监控数据展开研究,随着传感器技术迅速发展,利用便携式外部设备中的传感器数据来对电梯用户进行行为识别研究便具有重要意义。将各种传感器数据与机器学习算法相结合进行行为识别,在行为检测中具有巨大的优势。电梯用户行为识别的监测目标是能够检测出电梯内人员的行为,以便及时提醒电梯用户停止危险动作,这是实现电梯智能化监测与使用的关键步骤。本文主要研究在电梯场景中,利用传感器模块记录的电梯用户行为数据,如加速度传感器数据、陀螺仪数据等运动数据来对电梯用户进行行为识别。首先,本文开发了一款应用程序以获取传感器数据并完成在电梯场景中电梯用户的行为数据采集。将采集的传感器数据分析处理后并构建特征数据集。最后运用电梯用户行为识别算法构建分类模型进行行为识别并做出相应的语音提醒。具体内容如下为:本文开发了一款收集传感器运动状态数据的应用程序。将安装有此应用程序的移动设备固定在电梯地面进行数据采集。电梯用户行为包括:正常行为,例如正常站立、蹲、坐;跺脚行为,例如在电梯地面的不同位置跺脚;击打电梯壁面行为,例如在电梯不同方向的壁面上击打。完成数据采集后,对采集的相关传感器数据进行分析和预处理。针对数据特点进行特征提取,并构建特征数据集。针对本场景数据的特征和分类模型的特点,给定一组参数优化方法,找到合适的随机森林决策树数量和分裂特征数量,优化参数,得到训练模型后对测试集数据进行识别,构建出电梯用户行为识别算法。然后采用加权投票的方式参与判决,选择加权值最大的类别作为识别算法的最终输出。利用电梯用户行为识别算法进行实验,实验得出,本文提出的随机森林优化算法具有最佳分类性能:准确度为94.97%,精确率为94.48%,召回率为92.03%,F1-score为0.92,泛化误差为0.052793,可以实现非常准确的识别。然后又对比了单传感器和多传感器在该行为识别中的作用,实验结果表明,多传感器下的行为识别效果更好。最后开发了语音提醒模块,将识别算法的预测值传输给移动端,调用语音提醒模块,输出危险动作的对应语音提醒。